醫院通常是最繁忙的地方，不過加拿大多倫多市兒童醫院的新生兒重癥監護病房(NICU)卻能夠處理比以往更多的事情。這一切要歸功于新技術合作伙伴的幫助。目前該醫院正在使用分析學來更為精準的預測哪些早產兒出現疾病和感染的風險更大。

多倫多市兒童醫院正在通過監護早產兒的電子設備收集流數據，對監測早產兒體溫、心率、血氧飽和濃度和血壓水平進行研究。

目前從保險公司、醫院到服務提供商，醫療保健提供者正在積極尋求采用先進的技術以幫助更好地照顧病人。在許多案例中，他們變得比以往更具前瞻性和個性化，并且能夠為患者節省更多的醫療費用。

市場研究公司IDC的副總裁Susan Feldman稱：“技術能夠讓一個流程改變我們的生活。醫療保健行業已經開始明白，我們需要根據證據做出更多的決策。這樣一來，我們能夠讓流程更為合理，更為精確的識別信息，同時能夠以一種可操作的方式將它們提供給決策者。”

從預測分析中受益的不僅僅是醫療保健行業，其他受到不斷增長的龐大數據困擾的行業也能從中受益。這種技術在金融、緊急反應、娛樂和法律等領域都具有十分重要的意義。

作為與大型醫院聯盟共同展開大數據研究的一名醫師、耶魯大學醫學教授Harlan Krumholz博士稱：“如今社會能夠做比以往更多的事情，能夠以以往不可能的方式為決策提供支持。”

他警告稱，應當由一絲不茍的醫師負責確保詳細研究結果的正確性。他稱：“這些結果能夠提升醫療水平，因此必須必須嚴密關注。問題在于，人們利用從這些系統中獲取的信息做什么?”

Krumholz稱：“如果關于這些信息的推斷不正確，那么這些(不正確的)推斷將會導致錯誤的決定，顯然這些決定不會具有任何價值，相反還是有害的。”

患病兒童數據減少

目前多倫多市兒童醫院正在使用IBM的InfoSphere Streams大數據分析平臺實時處理數據。InfoSphere Streams能夠關聯并分析數千個實時數據源。安大略理工大學( UOIT )也在使用該軟件從監護早產兒的電子設備中收集流數據。

安大略理工大學健康信息學首席科學家Carolyn McGregor博士稱，這一技術讓安大略理工大學能夠搞清楚這些數據并分析它們，如揭示敗血癥的發生前兆，以及這些問題發生前的多種條件。

這一測試已經與臨床應用同步展開，醫生和科學家能夠對比這兩種方法，目前他們也正在做這一工作。一天的有價值數據被拷貝下來，然后發回安大略理工大學進行離線分析。

安大略理工大學副院長McGregor教授稱，名為Artemis的平臺也被稱為“數據嬰兒”已經被列入到一套臨床規定中，作為一個分析層幫助在第一時間進行預測。她稱：“目前，病床邊的醫療設備能夠提供大量的信息。這些設備以非常高的頻率提供相關信息，人們必須要能夠分析它們，這些結果是經常變化的。”

目前最后的結果還沒有公布，不過他們預計將在四月末的某一時間進行同行評審，然后在年底將對外公布。McGregor稱，初步結果已經證明Artemis能夠作為一種穩健的方法。她解釋稱，通過在三個地方對400多名病人的研究，她們已經收集了相當于40年的病人數據。

McGregor稱，盡管對于感染初期醫護人員有例如體溫等一些傳統指標，但是Artemis可以提供“一個更為豐富的環境”以分析嬰兒病情可能發展至多種情況下的不同征兆。

IBM首席醫療科學家Marty Kohn稱：“這一系統的設計目的是為了在病情出現明顯的臨床癥狀之前，提前24小時預測敗血癥的發生。該系統使用結構化數據尋找允許醫院根據臨床觀察預測嚴重疾病開始時的模型。在類似的一個病例中，如果你能夠提前一個小時介入治療，那么你就能夠顯著地提升治療效果。”

McGregor稱：“除了挽救嬰兒的生命外，該系統還可以縮短嬰兒的平均住院時間。”

McGregor解釋稱，安大略理工大學和醫院人員還計劃使用這些數據做更多的臨床研究“以從心率等數據中發現更多未知的隱藏信息，從觀察生理機能中發現一些其它的東西。”她稱，通過使用新的算法，Artemis將能夠更為精準地告訴臨床醫護人員與嬰兒行為變化可能關的感染。

處理數據洪水

能夠理解非結構化信息并預測可能面臨的疾病，從而讓醫生能夠更好的對癥治療是IBM開發Watson技術等工具的目的。醫生始終面對著大量的信息，尤其是醫學期刊每月出現的數千篇新文章。加上實驗室結果、醫療制度和針對專業人員的社交網絡網站，數據將以非常快的速度令人難以應對地涌過來。

IDC的Feldman稱：“隨著你獲得的信息越來越多，對于個人來說已經不可能管理一個物理圖書館或是進行電子化收集，除非你創建一個非常智能的訪問方式。語言是如此的豐富，如此的多樣化，以至于同一個概念有多種表達方式，因此你實際上需要一些能夠明白我們理解事物的所有方式的技術。”

觀察人士稱，能夠應用分析學組織多種信息源的工具正在幫助醫療保健等行業獲得一種全新水平的人工智能。IDC預測，整個大數據信息技術和服務市場在2015年將由2010年的32億美元增長至169億美元。

Feldman 指出：“除了通過其文件挖掘和分析能力能夠進行假設外，Watson具有如此突破性的原因在于它能夠理解問題并試圖翻譯它們。”她稱，IBM建造Watson是為了處理“有深度的問答”。

她稱：“這是一個全新的解決方案或技術，其試圖理解人們正在尋找什么。”技術能夠理解一個實體是如何影響其他實體的。例如，在醫療領域，計算機能夠分析藥品是如何影響患有特定類型疾病的特殊人群的。

這一解決方案的工作原理與搜索引擎的工作原理完全不同。搜索引擎試圖回答使用幾個關鍵字輸入的問題。Kohn稱：“然后，你將獲得一些網站或網頁以查看是否它們是否與你腦子中的問題存在關聯。隨后，你需要花上大量時間，這充其量是一個效率非常低下的程序。”

Kohn稱，相反，通過使用一系列大規模并行的“概率算法”分析被給定的信息，Watson能夠理解用自然語言提交的問題，閱讀文獻，然后提取并反饋關于所提問話題的最佳建議。 回答復雜的問題

加拿大最大的健康保險公司WellPoint意識到“深度問答”創新能夠被用于自動醫療服務使用情況管理。公司技術總監Ashok Chennuru稱，在治療病人之前，醫生需要手動完成一個復雜又耗時的保險審批流程。

Chennuru稱：“我們知道根據指導與政策，我們在做癌癥治療時，病人需要一些特定的藥物和流程以獲得最大的賠償金。然而，現在公司也沒有一個合理化方案以讓醫生辦公室一起提交多個手術前授權申請。很多時候，沒有足夠的證明文件被提交，我們必須反復操作，這讓我們感到非常惱火。”

他稱，公司自去年秋天開始使用IBM的內容分析與預測(ICPA)決策支持引擎，以實現醫生與被保險人之間的提交程序自動化。如果所有的東西都得到了醫生辦公室的明確證明，那么其將被發送至WellPoint公司版的Watson，由其確認提交的文件是否符合所有標準，并快速給出是與否的回答，或是要求提供更多信息。

WellPoint公司正在一個地區進行試點，以確保這一工具能夠正常工作。Chennuru稱，公司希望到年底在14個州的公司設施中部署這一工具。

最終，一旦腫瘤科被覆蓋，WellPoint公司將利用該工具處理呼吸窘迫癥、糖尿病、心臟和腎臟疾病。WellPoint公司稱，通過Watson，該工具能夠查閱更多的醫學文獻、人口健康數據和病人健康數據以回答“更為復雜的問題”。

公司認為最終將會有出新的應用被開發出來，允許醫生將病人的醫療記錄、最近的測試結果、推薦治療協議和最新的搜索結果載入至Watson。目標是能夠與他們的病人討論最有效的治療方法。

Chennuru稱：“這是利用了計算機的力量，而不是每天更新所收到新信息的腫瘤醫生。”